IG-SLAM: Instant Gaussian SLAM

要約

3D ガウス スプラッティングは、SLAM システムにおけるニューラル暗黙的表現に代わるシーン表現として、有望な結果を最近示しました。
ただし、現在の方法には、マッピング プロセスを監視するための高密度の深度マップや、環境の規模を考慮した詳細なトレーニング設計が不足しています。
これらの欠点に対処するために、追跡に堅牢な Dense-SLAM 手法を採用し、ガウス スプラッティングと組み合わせた高密度 RGB 専用 SLAM システムである IG-SLAM を紹介します。
環境の 3D マップは、追跡によって提供される正確な姿勢と緻密な深度を使用して構築されます。
さらに、マップの最適化に深度の不確実性を利用して 3D 再構成を改善します。
マップ最適化における減衰戦略により収束が強化され、システムが単一プロセスで 10 fps で実行できるようになります。
最先端のRGB専用SLAMシステムにより、より高速な動作速度を実現しながら、競争力のあるパフォーマンスを発揮します。
レプリカ、TUM-RGBD、ScanNet、および EuRoC データセットに関する実験を紹介します。
このシステムは、特に EuRoC データセットにおいて、大規模シーケンスで写真のようにリアルな 3D 再構成を実現します。

要約(オリジナル)

3D Gaussian Splatting has recently shown promising results as an alternative scene representation in SLAM systems to neural implicit representations. However, current methods either lack dense depth maps to supervise the mapping process or detailed training designs that consider the scale of the environment. To address these drawbacks, we present IG-SLAM, a dense RGB-only SLAM system that employs robust Dense-SLAM methods for tracking and combines them with Gaussian Splatting. A 3D map of the environment is constructed using accurate pose and dense depth provided by tracking. Additionally, we utilize depth uncertainty in map optimization to improve 3D reconstruction. Our decay strategy in map optimization enhances convergence and allows the system to run at 10 fps in a single process. We demonstrate competitive performance with state-of-the-art RGB-only SLAM systems while achieving faster operation speeds. We present our experiments on the Replica, TUM-RGBD, ScanNet, and EuRoC datasets. The system achieves photo-realistic 3D reconstruction in large-scale sequences, particularly in the EuRoC dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google